O presente trabalho discorre sobre o uso da metaheurística do Recozimento Simulado (Simulated Annealing) na otimização do planejamento de sistemas regionais de tratamento de efluentes e na sua expansão da capacidade. O primeiro modelo desenvolvido trata da otimização espacial de um sistema regional: dadas fontes de efluentes e locais potenciais para instalação de estações de tratamento, o modelo busca a configuração regional de menor custo. O modelo é composto de duas fases: a primeira é um modelo hidráulico que valida a rede proposta através da solução da equação universal de perda de cargas e uma otimização por Recozimento, visto haver inúmeras soluções, já que a rede pode ter qualquer sentido de fluxo. Esta otimização hidráulica visa minimizar o bombeamento do sistema. A segunda fase compreende a otimização do sistema regional, onde novas configurações e/ou alterações de diâmetros são testadas. Esta segunda otimização também é resolvida via Recozimento com o intuito de minimizar o custo do sistema. O segundo modelo trata da expansão da capacidade do sistema: o período de planejamento é dividido em duas etapas. O Recozimento é aplicado nas duas etapas. Soluções propostas para a segunda etapa são passo a passo testadas para a primeira etapa, de modo que o resultado espelhe uma otimização de todo o período. O uso intenso do Recozimento e de simulações na obtenção de soluções iniciais e candidatas leva a um tempo de processamento bastante elevado, especialmente no caso do Modelo Dinâmico. Os modelos foram testados em uma bacia exemplo obtida da literatura e também na bacia do rio Barigui, na Região Metropolitana de Curitiba. Foram desenvolvidas funções de custo para interceptores, estações elevatórias e estações de tratamento de efluentes com base em dados de obras efetuadas na Região Metropolitana de Curitiba. O uso da metaheurística do Recozimento Simulado provou ser um caminho interessante para a otimização de sistemas regionais tais como de tratamento de efluentes. Estudos adicionais são necessários no sentido de se obter um modelo hidráulico de maior eficiência computacional, um número maior de testes com os parâmetros do Recozimento e funções de custo mais abrangentes, especialmente quanto a custos de operação e manutenção.

This study is concerned with the use of the metaheuristic Simulated Annealing for the optimal planning of regional effluent systems and its capacity expansion. The first model deals with the spatial optimization of the system: given a network where some nodes represent effluent sources and other nodes represent the location of possible sewage treatment plants, the model seeks the minimum cost configuration. The first module of the model verifies the hydraulic viability of proposed configurations, by solving the universal equation of head loss. This is also done via annealing since there is a multitude of solutions because any flow direction is allowed. The second part of the model consists of trying different candidate solutions for the network, by means of changing its configurations and/or diameters and looking for the lowest cost solution. The second model deals with the capacity expansion of the system. The planning horizon is divided in two parts. Each solution for the second period is tested also for the first period, thus providing a global minimum for the entire planning period. The use of annealing coupled with intensive use of simulation results in large processing times, especially for the dynamic model. The models were tested for a network available in the literature and also in the Barigui river basin, in the Metropolitan Region of Curitiba, PR. Cost equations were derived for conveyance systems, lifting stations and wastewater treatment plants. The use of Simulated Annealing proved to be an interesting tool for the planning and optimization of regional systems such as the ones here studied. Further studies are recommended such as a mix of the two hydraulic models developed, seeking for the improvement of computational time. Additional testing of the annealing parameters are also needed and O&M cost functions should be detailed.